目前，现代化工业生产的产品形态朝着多样化、多元化方向发展，随着产品设计的复杂化和生产速度的加快，工业缺陷检测面临着前所未有的挑战。

因此，如何在保持生产效率的同时，实现对复杂、细微瑕疵的精准识别，成为亟待解决的问题。

缺陷检测原理，机器视觉助力生产自动化

缺陷检测是指对工件的表面缺陷进行检测，例如工件表面的斑点、凹坑、划痕、色差、缺损等缺陷。

在缺陷检测过程中，常用的图像处理技术包括数字图像处理技术和机器视觉技术。数字图像处理技术主要针对数字图像，包括图像的增强、滤波、分割和取样等处理技术。

而机器视觉技术则是基于数字图像中的分割和模式识别，针对现有场景中的图像进行应用分析，通过处理，识别出其中的缺陷，从而实现产品缺陷的自动化检测，并对这些缺陷进行定位。

简单来说，机器视觉再现人类解读图像的能力，“眼睛”被传感设备和机器学习算法驱动的视觉设备所取代。通过使用大型图像数据集进行训练，深度学习模型可以解释给定图像的内容，用于缺陷和异常检测。

破解检测难题解，除多种干扰因素影响

在工业缺陷检测过程中，面临的一个较大问题是部分缺陷偏小，因为小尺寸的缺陷通常在图像中具有低信噪比，难以实现精确检测。例如，在半导体制造、精密机械加工、电子产品组装等高精尖领域，缺陷往往微小且多样化，人工检测不仅耗时费力，且难以保证一致性。

产品表面微小的划痕和毛刺等瑕疵可能会增加生产过程中的废品率，或者需要额外的维修和返工，从而增加生产成本和降低生产效率。在某些情况下，微小缺陷可能会酿成重大的安全事故。例如，手机电池的极耳焊接毛刺过大，可能会刺穿绝缘胶带和隔膜，从而造成极片的短路，导致电池自燃的重大安全事故。

由于产品缺陷种类繁多且干扰因素众多，华汉伟业通过多尺度特征融合训练与小目标缺陷检测技术，能够将微小的缺陷尺寸特征进行放大处理。

在产品缺陷检测中融合了深度学习技术，不同于传统工业机器视觉基于规则解决问题，深度学习通过对大量“OK”和“NG”图片特征的自动学习和缺陷标注训练，从而完成模型的建立，在后续遇到新增缺陷类型时，只需要完成新类型缺陷样本训练优化就能实现新的缺陷检测。

华汉伟业能够轻松应对瑕疵，将微小缺陷的检出率提升至99%以上，人力替代效率达到80%，缩短检测时间约40%，实现缺陷检测精准度和检测效率的提升，大幅度降低人力成本。目前，华汉伟业自主创新构建的视觉系统解决方案已在数条产线批量投产部署，累计上万台设备稳定运行。

全方位检测破除项目难点，覆盖多领域缺陷检测场景

华汉伟业提供了高速度、高精度、低成本的解决方案，搭载2D+2.5D+3D+AI算法的视觉检测系统，让依赖于目视检测的较浅划伤、凹陷等细微的瑕疵缺陷无所遁形。

以实际应用案例为例：在锂电池工业生产过程，密封钉焊接质量检测中，针对缺陷形态丰富、边缘难以界定等难点，华汉伟业深度融合多种图像处理方式，实现工件亚微米级尺寸测量，可有效识别0.1mm的针孔大小，误判率≤0.3%。

在汽车三电中，华汉伟业使用3D视觉成像，通过AI的赋能，打通了数据从采集、分析到算法沉淀的全链路柔性化定制，实现对电机定子Tig焊点的缺陷检测，精准识别细微缺陷，漏判率为0，误判率≤1%，视觉检测精度可达到±0.1mm。

在3C电子行业，针对手机Type-C接口点胶质量检测，华汉伟业采用3D视觉检测技术，可分14个区域进行精细检测，区域联动，减少配置，一次拍照可准确检测“多胶、少胶、漏点、溅胶”等缺陷，可同时检测A、B面，实现检测精度≤0.1mm。